TOC AI 新赛道，Google Cloud 助力猎奇娱乐出奇招
AI 大模型卷得如火如荼，今年2月 ChatGPT 的 Sora 的测试视频正式开启了 AI 图生文改革，且在日前采访中还透露出将于年内正式发布，压得同赛道的朋友无法喘息。
想在 AI 赛道杀出一条血路不得不另辟蹊径，避开 TOB AI 赛道，在 TOC 的路上猛攻，毕竟 TOB 的 AI 要讲究准确率，一点点的瑕疵都会被无限放大，并且“幻觉”问题也会导致很多商用场景无法很好的使用 AI 节省人力。但是在万民娱乐的今天，TOC 的 AI 或许可以完美避开这些“致命问题”，即使小小的瑕疵也无伤大雅，可以收获不少的用户的追捧。
情绪识别器
用于“AI 情绪识别”用户不会苛求他的准确率有多高，但是相关二创视频热度居高不下，不少作品播放都超过了百万。
以及，小编想蹭个过气的热点...
再来一些喜闻乐见的，“惊悚”时刻。在夜深人静的时候，打开 APP 的镜头，在你的身边识别出另一个人脸的框框，可以说是“节目效果”拉满。
▲ 这种功能可以如何做呢？
利用 Google Cloud（GCP） vision API 可以非常轻松的实现这些能力，Vision API 提供功能强大的预训练机器学习模型，可以为图像分配标签，并将其快速归入数百万个预定义的类别。
也支持自定义机器学习模型，自动训练自定义机器学习模型。通过 AutoML 简单易用的图形界面，轻松上传图像并训练自定义图像和视频模型，优化模型的准确率、延迟时间和规模，并将模型导出到您的云端应用或者一组边缘设备中。
颜值打分器
你想知道自己的颜值可多少分吗？一次评测只需1块钱！！想必也可以吸引很多猎奇的用户进行付费。基于 TensorFlow 的 CNN 模型，美不美机器说了算。
让我们举个栗子：
▲ 这种小应用该怎么做呢？
第一步：打开 GCP console Vertex AI Workbench
Vertex AI Workbench，通过虚拟机实例提供的基于 Jupyter 笔记本的环境，并且预安装了深度学习软件包，包括对 TensorFlow 和 PyTorch 框架的支持。
第二步，可以 clone 这个 GitHub 项目：
https://github.com/fendouai/FaceRank/
第三步，准备数据集，resize 统一为128×128大小，为模型训练做准备
第四步，安装好 TensorFlow 之后，直接运行 train_model.py .并保存模型到 model 文件夹
第五步，运行完 train_model.py 之后,直接运行 run_model.py 来测试.
当然训练不能一蹴而就，根据 Train_Result.md 中损失函数和准确率变化情况，来增加数据集以及调整数据的质量。
下一步可以加入 insight，就是为变帅、变美提出具体意见。
目前这种类型的 APP【Umax】已经验证了盈利模型，仅近3个月的双端下载量就已经突破了270万，其双端营收更是突破了70万美元（折合人民币约503万），其中美国地区贡献收入超过67%，是该产品的最主要市场。
除了这些娱乐性质的应用场景，让已故者的音容笑貌再现的 AI 能力，再现已故爱宠的相关场景都是一些值得投入的有价值的场景。
写在最后
AI 的发展日新月异，大模型创新已经不是 AI 产品的唯一出路，基于 GCP 的 AI 能力，可以加速您在 AI TOC 赛道中的开发速度，降低试错成本，把更多的时间与精力放在寻找方向与验证上，而不是底层的实现方式，选好细分赛道并率先打造出头部产品，反而可能更快成功。
